Acceso abierto diamante

22 lunes Jun 2026

Posted by in Acceso Abierto

≈ Leave a Comment

Tags

Hoja de Ruta de Bengaluru

‘Bengaluru Roadmap and Action Plan on Diamond Open Access’ se elaboró mediante un proceso colectivo liderado por el Comité Internacional de Supervisión de la 3° Cumbre Global de Acceso Abierto Diamante, que tuvo lugar en Bengaluru (India), del 2 al 6 de febrero de 2026.

Este documento refleja las deliberaciones de 347 participantes de 36 países, quienes se reunieron en Bengaluru para impulsar un marco global común para la comunicación académica como un bien público, gratuito para autores y lectores, gestionado por la comunidad y basado en el principio de que el conocimiento científico pertenece a todos.

Este documento aboga por un cambio estructural en la forma en que se produce, evalúa y comparte el conocimiento financiado con fondos públicos. Dirigida a gobiernos, organizaciones financiadoras y ejecutoras de investigación, instituciones y comunidades académicas, la Hoja de Ruta define seis Áreas de Acción prioritarias, que incluyen:

  1. Integrar el Acceso Abierto Diamante en las políticas y marcos legales nacionales.
  2. Reorientar el gasto en publicaciones hacia infraestructuras gestionadas por la comunidad.
  3. Reformar los sistemas de evaluación de la investigación para que reconozcan las publicaciones de Acceso Abierto Diamante, la producción académica multilingüe y los espacios gestionados por la comunidad.
  4. Fortalecer la infraestructura compartida y la interoperabilidad.
  5. Reconocer y apoyar el trabajo humano detrás de la comunicación académica.
  6. Promover la diversidad lingüística y los sistemas de conocimiento marginados.

Acceso al documento: https://www.diamondoasummit.org/roadmap-and-action-plan/  

ZENODO: Bengaluru Roadmap and Action Plan on Diamond Open Access

La 4° Cumbre Global de Acceso Abierto Diamante, será en Bali (Indonesia) en diciembre 2027  

OpenAlex

19 viernes Jun 2026

Posted by in Investigación

≈ Comentarios desactivados en OpenAlex

Tags

OpenAlex es una base de datos de acceso libre que recoge trabajos de investigación.  Está gestionado por una organización sin ánimo de lucro,  de código abierto y los conjuntos de datos son de uso libre bajo una licencia CC0. Ofrece ventajas en cuanto a inclusividad, asequibilidad y disponibilidad.

Why OpenAlex?

  • Amplio: nos centramos en una cobertura inclusiva, ofreciendo ventajas particulares en la cobertura de obras en diversos idiomas y procedentes del Sur Global. OpenAlex indexa actualmente más de 477 millones de obras, lo que lo convierte en el mayor repositorio conectado de material académico jamás publicado.
  • Fácil: nuestro servicio es rápido, moderno y está bien documentado, con una API bien documentada, una herramienta de línea de comandos y un sitio web para explorar los datos.
  • Abierto: el conjunto de datos completo es gratuito bajo la licencia CC0, lo que fomenta la transparencia y la reutilización.

Past and future

Empecemos por el principio, con la antigua Biblioteca de Alejandría. Con el objetivo de crear una Biblioteca Universal, no se limitaron a recopilar conocimientos, sino que los hicieron útiles al indexarlos en el primer catálogo bibliotecario del mundo, el Pinakes. Eso es lo que nosotros también intentamos hacer, y por eso nuestro nombre es un homenaje a ellos.

Avancemos unos milenios: la versión beta de OpenAlex se lanzó el 3 de enero de 2022. La aplicación web para explorar los datos se lanzó en versión beta en octubre de 2023. A finales de 2025 lanzamos Walden —una reescritura completa del código base de OpenAlex sobre una infraestructura moderna de Databricks— que ahora nos permite mejorar la calidad de los datos en cuestión de días en lugar de meses.

Unpaywall (nuestro índice de publicaciones de acceso abierto) funciona ahora como una subrutina del código base de OpenAlex, y Unsub (una herramienta que ayuda a los bibliotecarios a cancelar las suscripciones a revistas de acceso de pago) también se ejecuta con datos de OpenAlex.

 

Inteligencia artificial

18 jueves Jun 2026

Posted by in Universidades

≈ Comentarios desactivados en Inteligencia artificial

Tags

Observatorio de Inteligencia Artificial

El Observatorio de Inteligencia Artificial de REBIUN tiene como misión conocer, analizar y evaluar las principales iniciativas en materia de inteligencia artificial para determinar su incidencia y/o aplicabilidad en las bibliotecas universitarias y científicas. Establecerá sinergias con otros sectores para promover el uso de esta tecnología e impulsar su aplicación práctica, ética y deontológica.

Objetivos

Los objetivos del Observatorio de Inteligencia Artificial aprobados en la Asamblea extraordinaria celebrada en formato online el 27 de febrero de 2024, con sus áreas de actuación son los siguientes:

Área 1: Promocionar, visualizar y difundir el Observatorio

  • Crear y mantener página web Observatorio IA.

Área 2: Identificar tendencias y buenas prácticas

  • Recopilar recursos de interés en el ámbito de la literatura académica, bibliotecas y organizaciones profesionales sobre IA.
  • Identificar proyectos innovadores para fomentar sinergias entre bibliotecas.
  • Elaborar guías y recomendaciones. 

Área 3: Fomentar la colaboración con otros sectores

  • Afianzar relaciones con CRUE.
  • Identificar y establecer contacto con sectores relevantes relacionados con IA.

Área 4: Promover la formación del personal en IA en colaboración con la línea 3

  • Realizar Jornadas sobre IA online para el personal técnico.

Herramientas IA

Destacan algunos directorios de herramientas y herramientas diversas para la generación de contenidos, la redacción y traducción de textos, la descripción documental, el apoyo a la docencia y el aprendizaje, y el apoyo a la investigación.

Data Curation Network

17 miércoles Jun 2026

Posted by in Datos de investigación

≈ Comentarios desactivados en Data Curation Network

Tags

The DCN CURATE(D) Steps

DATA CURATION NETWORK, DCN  https://datacuration.network/outputs/workflows/ elaboró un conjunto estandarizado de pasos y listas de verificación C-U-R-A-T-E-D para garantizar que todos los conjuntos de datos enviados a la Red reciban un tratamiento coherente (DCN, 2018). La lista de verificación CURATE(D) «CURATE(D) Checklist»  se redactó en la fase de planificación del proyecto y fue mejorada por los miembros de la DCN en la Primera Reunión Anual General celebrada en julio de 2018 (ver versión 1). Los pasos CURATE(D) fueron revisados en 2022 por numerosos miembros de la DCN.

Check Understand Request Augment Transform Evaluate DDocument 

Comprobar archivos/código y leer la documentación, Comprender los datos – Solicitar información que falte – Ampliar los metadatos para facilitar la localización (DOI, estándares de metadatos, descubribilidad) – Transformar formatos de archivo para su reutilización (preservación de datos, herramientas de conversión, visualización de datos) – Evaluar la conformidad con los principios FAIR (licencias de uso transparentes, estándares de responsabilidad, métricas para el seguimiento del uso) y Documentar todas las actividades de curación a lo largo del proceso. 

CHECK files and read documentation (risk mitigation, file inventory, appraisal/selection)

UNDERSTAND the data (or try to), if not… (run files/environment, QA/QC issues, readme)

REQUEST missing information or changes (tracking provenance of any changes and why)

AUGMENT metadata for findability (DOIs, metadata standards, discoverability)

TRANSFORM file formats for reuse (data preservation, conversion tools, data viz)

EVALUATE for FAIRness (licenses, responsibility standards, metrics for tracking use)

DOCUMENT your curation activities (Curator Log, correspondence)

Report Web Accessibility Issues

Curación de datos

15 lunes Jun 2026

Posted by in Datos de investigación

≈ Comentarios desactivados en Curación de datos

Tags

Categorización de la investigación y el valor de los datos estructurados

Research categorization and the  value of structured data. Jonathan Adams, Dmytro Filchenko. Institute for Scientific Information, 2026. 

DOI: 10.14322/isi.research.categorization.and.the.value.of.structured.data

La fiabilidad de la información científica no depende únicamente de la escala o la transparencia. Para que la investigación pueda ser descubierta, comparada y evaluada de manera eficaz, los datos subyacentes deben estar limpios, estructurados de forma coherente y ser estables a lo largo del tiempo. A medida que el corpus académico mundial crece en volumen y complejidad, los riesgos derivados de datos incompletos o mal estructurados se hacen más evidentes, especialmente en lo que respecta a la evaluación comparativa, la valoración y la toma de decisiones políticas.

Basándose en décadas de desarrollo metodológico en el Institute for Scientific Information (ISI), este informe examina cómo la curación deliberada de datos, la categorización estable y los metadatos enriquecidos sustentan la base de datos Web of Science y su capacidad para respaldar el descubrimiento, la evaluación y el análisis fiables.

Con la lectura de este informe podrá Comprender por qué los datos de actividad de investigación limpios y estructurados de forma coherente son esenciales para la evaluación comparativa, la evaluación y el análisis de tendencias fiables. Explorar cómo los datos de investigación estructurados pueden alinearse con los marcos nacionales de evaluación de la investigación y con objetivos globales como los Objetivos de Desarrollo Sostenible de las Naciones Unidas. Ver qué puede fallar en la búsqueda, el descubrimiento y el análisis cuando los datos de investigación estructurados y eficaces están incompletos o faltan, desde indicadores de colaboración distorsionados hasta comparaciones engañosas y tendencias inestables.

Curación de datos

11 jueves Jun 2026

Posted by in Datos de investigación

≈ Comentarios desactivados en Curación de datos

Tags

La curación de datos

La curación de datos como metodología de investigación Valeria Montoya Roncancio, Inmaculada Bravo García. Gestión y reutilización de datos científicos: fundamentos y experiencias. Críspulo Travieso Rodríguez (coord.) Yolanda Martín González (coord.). Ediciones Universidad de Salamanca, 2025.  Páginas: 51-68

https://eusal.es/omp/eusal/catalog/view/2827/6849/11069 

En el contexto actual de creciente dependencia de los datos abiertos y reutilizables en la evaluación de la ciencia, la curación de datos se presenta como una metodología esencial en el campo de la Documentación. En esta investigación, se propone una metodología que combina técnicas de recuperación, normalización y análisis de datos, centradas en la verificación de registros provenientes de plataformas bibliográficas de datos como Web of Science (WoS) y Scopus utilizando identificadores persistentes como DOI, ORCID, ResearcherID, ScopusID e ISSN, con el fin de garantizar la fiabilidad del estudio.

Este enfoque permite identificar inconsistencias, duplicidades o ausencias de información relevante en los perfiles de autor y publicaciones científicas. Los resultados muestran la producción de la Universidad de Salamanca, como estudio de caso, donde se identificaron perfiles de autores con datos que requerían corrección en ambas plataformas y en el portal de producción científica institucional. Estas incidencias evidencian la necesidad de procesos sistemáticos de curación en la gestión documental, destacando el uso de este modelo para mejorar la calidad de los sistemas de información científica. Su aplicación en el ámbito de la Documentación favorece la generación de métricas confiables y la toma de decisiones basada en información verificada y reutilizable.

 

«Subscribe to Open» S2O

10 miércoles Jun 2026

Posted by in Acceso Abierto

≈ Comentarios desactivados en «Subscribe to Open» S2O

Tags

«Subscribe to Open» (S2O) es un enfoque pragmático para convertir las revistas por suscripción en revistas de acceso abierto —es decir, la disponibilidad gratuita e inmediata de la investigación en línea— sin depender ni de las tasas de procesamiento de artículos (APC) ni del altruismo.

S2O se basa en los procesos de adquisición de suscripciones de las bibliotecas ya existentes. El modelo ofrece una vía realista e inmediata para abrir el acceso a un vasto corpus de resultados de investigación que, de otro modo, permanecería restringido.

Este sitio web presenta variantes de S2O adaptadas a diferentes necesidades. Ofrece un foro para que editoriales y bibliotecas compartan sus experiencias con el modelo y establezcan definiciones y límites para los enfoques S2O.

Cómo funciona S2O

S2O permite a los editores convertir las revistas de suscripción a acceso abierto (OA), año por año. Mediante S2O, un editor ofrece a los suscriptores actuales de una revista acceso continuado. Si todos los suscriptores actuales participan en la oferta de S2O (simplemente al no darse de baja), el editor abre el contenido cubierto por la suscripción de ese año. Si la participación no es suficiente —por ejemplo, si algunos suscriptores retrasan la renovación con la esperanza de poder acceder sin participar—, el contenido de ese año permanece restringido.

A diferencia del modelo dorado tradicional, S2O no cobra tasas por procesamiento de artículos (APC) a los autores. Esto elimina las barreras económicas para los investigadores que no tienen fondos para publicar.

La oferta se repite cada año, y la apertura del contenido de cada año depende de que haya una participación suficiente. En algunos casos, se puede utilizar el acceso a contenidos de archivos históricos para mejorar la oferta.

lista de revistas convertidas con S20: https://docs.google.com/document/d/1Me7X0HtV4n4Q-KWIu7HxORMGg8aWfC6mSGo8hRvlF5k/edit.

Varios post sobre S2O:

Claudia Holland. Library Director, Library of the Max Planck Institute for Comparative and international Private Law, Hamburg What about S2O as a new open-access model for academic law journals? – IALL 

Comunicacion RSME. Comisión de Publicaciones – Subscribe to Open, un modelo sostenible de publicación en abierto – RSME 

 

Principios CARE

09 martes Jun 2026

Posted by in Datos de investigación

≈ Comentarios desactivados en Principios CARE

Tags

Principios CARE para datos abiertos 

Principios CARE para datos abiertos que consigan un impacto positivo en comunidades vulnerables – Fuente: https://datos.gob.es/es/ 

En los últimos años, las iniciativas de datos abiertos han transformado la forma en que, tanto instituciones públicas como organizaciones privadas, gestionan y comparten la información. La adopción de los principios FAIR (Findable, Accessible, Interoperable, Reusable) ha sido clave para garantizar que los datos generen un impacto positivo, maximizando su disponibilidad y su reutilización.

Sin embargo, en contextos de vulnerabilidad (como pueblos indígenas, minorías culturales o territorios en situación de riesgo) surge la necesidad de incorporar un marco ético que garantice que la apertura de datos no derive en perjuicios ni profundice las desigualdades. Aquí es donde entran en juego los principios CARE (Collective Benefit, Authority to Control, Responsibility, Ethics), propuestos por el Global Indigenous Data Alliance (GIDA), que complementan y enriquecen el enfoque FAIR.

Es importante señalar que, aunque los principios CARE surgen en el contexto de las comunidades indígenas (para asegurar una soberanía efectiva de los pueblos indígenas sobre sus datos y su derecho a generar valor de acuerdo con sus propios valores), estos pueden extrapolarse a otros escenarios diferentes. De hecho, estos principios son muy útiles en cualquier situación donde los datos se recolecten en territorios con algún tipo de vulnerabilidad social, territorial, medioambiental o, incluso, cultural.

Este artículo explora cómo los principios CARE pueden integrarse en las iniciativas de datos abiertos generando un impacto social sobre la base de un uso responsable que no perjudique a comunidades vulnerables.

Los principios CARE en detalle

Los principios CARE ayudan a garantizar que las iniciativas de datos abiertos no se limiten a aspectos técnicos, sino que incorpore también consideraciones sociales, culturales y éticas. En concreto, los cuatro principios CARE son los siguientes:

  1. Collective Benefit (beneficio colectivo): los datos deben usarse para generar un beneficio que sean compartido de manera justa entre todas las partes involucradas. De esta manera, la apertura de datos debería apoyar el desarrollo sostenible, el bienestar social y el fortalecimiento cultural de una comunidad vulnerable, por ejemplo, evitando prácticas relacionadas con los datos abiertos que solo favorezcan a terceros.

  2. Authority to Control (autoridad para controlar): las comunidades vulnerables tienen el derecho a decidir cómo se recopilan, gestionan, comparten y reutilizan los datos que generan. Este principio reconoce la soberanía de los datos y la necesidad de respetar sistemas de gobernanza propios, en lugar de imponer criterios externos.

  3. Responsibility (responsabilidad): quienes gestionan y reutilizan los datos deben actuar con responsabilidad hacia las comunidades involucradas, reconociendo posibles impactos negativos y aplicando medidas para mitigarlos. Esto incluye prácticas como la consulta previa, la transparencia en el uso de los datos y la creación de mecanismos de rendición de cuentas.

  4. Ethics (ética): la dimensión ética exige que la apertura y reutilización de los datos respete los derechos humanos, los valores culturales y la dignidad de las comunidades. No se trata únicamente de cumplir con la legalidad, sino de ir más allá, aplicando principios éticos a través de un código deontológico.

En conjunto, estos cuatro principios ofrecen una guía para gestionar los datos abiertos de manera más justa y responsable, respetando la soberanía y los intereses de las comunidades a las que esos datos se refieren.

CARE y FAIR: principios complementarios para datos abiertos que trascienden

 

Inteligencia artificial

08 lunes Jun 2026

Posted by in Sin categoría

≈ Comentarios desactivados en Inteligencia artificial

Inteligencia artificial y gestión administrativa de la investigación

Jornada 18 de junio 2026, 11:00- Palacio de congresos Conde Ansúrez

La inteligencia artificial está transformando de forma acelerada los procesos de trabajo en las universidades, ofreciendo nuevas oportunidades para mejorar la eficiencia, la calidad y la capacidad de respuesta de los servicios de apoyo a la investigación.

Esta jornada tiene como objetivo presentar las principales herramientas de inteligencia artificial disponibles actualmente, así como explorar sus posibles aplicaciones en la gestión administrativa de la investigación. A través de una primera sesión de carácter introductorio y práctico se mostrarán capacidades, limitaciones y ejemplos reales de uso. Posteriormente, se desarrollará una sesión participativa de debate en la que representantes y profesionales de las universidades públicas de Castilla y León reflexionarán sobre casos de uso, oportunidades, riesgos y retos asociados a la incorporación de estas tecnologías en los servicios universitarios.

La actividad está dirigida principalmente al personal de gestión administrativa de la investigación, incluyendo profesionales de oficinas de proyectos, servicios de apoyo a la investigación, transferencia de conocimiento, doctorado, evaluación científica, gestión económica de la investigación y bibliotecas universitarias que desarrollan funciones de apoyo a la actividad investigadora.

Fecha: 18 de junio de 2026 Horario: 11:00–13:30h
Lugar: Palacio de Congresos Conde Ansúrez (Valladolid)
Modalidad: Presencial Organizan: Universidades Públicas de Castilla y León.

 

Cómo citar la IA

08 lunes Jun 2026

Posted by in IA, Investigación

≈ Comentarios desactivados en Cómo citar la IA

Cómo citar la IA en nuestros trabajos

¿Cómo citar la IA en nuestros trabajos? – Com hem de citar la IA en els treballs?. Universitat Oberta de Catalunya. Biblioteca. 2026.

https://hdl.handle.net/10609/148823

En caso de que se utilicen herramientas de IA generativa en trabajos académicos o científicos, deberían citarse correctamente de la misma manera que se citen otros recursos externos. En este sentido, es necesario tener en cuenta los aspectos que se presentan en este recurso.

  • Cuándo hay que citar la IA y cuándo no.
  • Cómo citar una conversación con una herramienta de IA.
  • Qué información hay que incluir en la referencia bibliográfica y cómo citar dentro del texto.
  • Qué recomiendan los distintos estilos bibliográficos.